基于YOLOv8的新能源場(chǎng)站電氣設(shè)備指針式表計(jì)識(shí)別

[摘 要]隨著新能源場(chǎng)站規(guī)模的不斷擴(kuò)大，對(duì)電氣設(shè)備的智能化巡檢需求日益提升。傳統(tǒng)基于OpenCV的指針式表計(jì)識(shí)別方法在應(yīng)對(duì)復(fù)雜環(huán)境和多樣化設(shè)備時(shí)存在準(zhǔn)確率不足的問(wèn)題，難以滿足新能源場(chǎng)站的實(shí)際需求。文章針對(duì)新能源場(chǎng)站電氣設(shè)備的指針式表計(jì)識(shí)別，采用YOLOv8模型進(jìn)行表盤(pán)和指針的精準(zhǔn)檢測(cè)與識(shí)別。實(shí)驗(yàn)結(jié)果表明，基于YOLOv8的識(shí)別系統(tǒng)在實(shí)際應(yīng)用中取得了表盤(pán)識(shí)別率97%和指針識(shí)別準(zhǔn)確率95%的優(yōu)異性能，相較傳統(tǒng)方法顯著提升了識(shí)別精度和魯棒性。該研究成果為新能源場(chǎng)站電氣設(shè)備的智能化管理和巡檢效率的提升提供了可靠的技術(shù)支持。

[關(guān)鍵詞]指針式表計(jì)；表計(jì)識(shí)別；YOLOv8；新能源場(chǎng)站；智能預(yù)警系統(tǒng)

[中圖分類號(hào)]TP391.41 [文獻(xiàn)標(biāo)志碼]A [文章編號(hào)]2095–6487（2024）12–0150–04

Pointer Meter Identification of Electrical Equipment at New Energy Stations Based on YOLOv8

ZOU Guochun，LU Qiang，LU Bin

[Abstract]With the continuous expansion of the scale of new energy stations， the demand for intelligent inspection of electrical equipment is increasing. The traditional OpenCVbased pointer meter recognition method has the problem of insufficient accuracy when dealing with complex environments and diverse equipment， and it is difficult to meet the actual needs of new energy stations. In this paper， the YOLOv8 model is used to accurately detect and identify the dial and watch hands for the pointer meter recognition of the electrical equipment of the new energy station. The experimental results show that the recognition system based on YOLOv8 achieves the excellent performance of 97% of the dial recognition rate and 95% of the watch hand recognition accuracy （within 5% error） in practical application， which significantly improves the recognition accuracy and robustness compared with the traditional method. The research results provide reliable technical support for the intelligent management and improvement of inspection efficiency of electrical equipment in new energy stations.

[Keywords]analogue meters； meter identification； YOLOv8； new energy stations； intelligent early warning system

隨著全球能源結(jié)構(gòu)的轉(zhuǎn)型和新能源技術(shù)的迅速發(fā)展，風(fēng)電、光伏等新能源場(chǎng)站在電力系統(tǒng)中的占比逐年提高。作為新能源場(chǎng)站的重要組成部分，電氣設(shè)備的運(yùn)行狀態(tài)直接影響場(chǎng)站的發(fā)電效率和運(yùn)行安全。然而，傳統(tǒng)的人工巡檢方式效率低下，易受環(huán)境因素干擾，難以滿足現(xiàn)代新能源場(chǎng)站對(duì)高效、精準(zhǔn)巡檢的需求。在此背景下，電氣設(shè)備巡檢的自動(dòng)化和智能化成為研究熱點(diǎn)。

指針式表計(jì)是新能源場(chǎng)站電氣設(shè)備中廣泛應(yīng)用的傳統(tǒng)儀表類型，主要用于實(shí)時(shí)顯示設(shè)備的運(yùn)行狀態(tài)參數(shù)。然而，這些設(shè)備通常分布廣泛，所處環(huán)境復(fù)雜，且依賴人工讀取，存在誤差高、成本高等問(wèn)題。

為解決上述問(wèn)題，文章提出了一種基于YOLOv8模型的新能源場(chǎng)站電氣設(shè)備指針式表計(jì)智能識(shí)別方法。YOLOv8作為當(dāng)前主流的深度學(xué)習(xí)目標(biāo)檢測(cè)算法之一，具有高效性和高準(zhǔn)確性的特點(diǎn)。通過(guò)優(yōu)化模型結(jié)構(gòu)和訓(xùn)練策略，文章系統(tǒng)實(shí)現(xiàn)了對(duì)表盤(pán)和指針的精準(zhǔn)檢測(cè)與識(shí)別。試驗(yàn)表明，該方法的表盤(pán)識(shí)別率和指針識(shí)別準(zhǔn)確率分別達(dá)到97%和95%，顯著優(yōu)于傳統(tǒng)方法，且具有較強(qiáng)的環(huán)境適應(yīng)性。

1 表計(jì)系統(tǒng)設(shè)計(jì)

在新能源場(chǎng)站電氣設(shè)備指針式表計(jì)識(shí)別中，表盤(pán)與指針的精準(zhǔn)檢測(cè)是核心環(huán)節(jié)。文章采用YOLOv8模型進(jìn)行目標(biāo)檢測(cè)，其特點(diǎn)是速度快、精度高，非常適合在復(fù)雜環(huán)境下對(duì)表計(jì)進(jìn)行實(shí)時(shí)識(shí)別。

1.1 表盤(pán)識(shí)別與分割

表盤(pán)是指針式表計(jì)的核心組成部分，表盤(pán)的準(zhǔn)確定位與分割直接影響后續(xù)指針檢測(cè)和讀數(shù)計(jì)算的精度。文章采用YOLOv8模型實(shí)現(xiàn)對(duì)表盤(pán)的自動(dòng)識(shí)別與區(qū)域分割。

1.1.1 表盤(pán)識(shí)別

YOLOv8模型通過(guò)特征提取和多尺度預(yù)測(cè)框架，精準(zhǔn)識(shí)別圖像中的表盤(pán)區(qū)域。具體流程如下。

（1）輸入處理。輸入原始圖像，并通過(guò)CSPNet（跨階段局部網(wǎng)絡(luò)）結(jié)構(gòu)提取表盤(pán)的多尺度特征。

（2）候選框生成。使用YOLOv8模型的AnchorFree機(jī)制訂位表盤(pán)，減少參數(shù)量的同時(shí)提升檢測(cè)效率。

（3）分類與置信度計(jì)算。模型輸出表盤(pán)的類別和邊界框的置信度，確保高精度識(shí)別。

1.1.2 區(qū)域分割

在表盤(pán)區(qū)域識(shí)別的基礎(chǔ)上，進(jìn)一步細(xì)化分割以獲取表盤(pán)的有效顯示區(qū)域。

區(qū)域分割流程如下。

（1）區(qū)域裁剪。根據(jù)YOLOv8模型輸出的表盤(pán)邊界框，將表盤(pán)區(qū)域從原圖中裁剪出來(lái)。

（2）形狀優(yōu)化。針對(duì)圓形表盤(pán)，采用Hough變換對(duì)邊界進(jìn)行修正，確保邊緣的平滑性和完整性。

1.2 指針式表計(jì)讀數(shù)

指針式表計(jì)讀數(shù)流程如下：圖像輸入→數(shù)據(jù)增強(qiáng)→特征提取→目標(biāo)檢測(cè)→計(jì)算角度→表計(jì)讀數(shù)。為了實(shí)現(xiàn)高效、精準(zhǔn)的指針檢測(cè)與數(shù)值轉(zhuǎn)換，基于YOLOv8算法和輔助計(jì)算方法開(kāi)發(fā)了一套完整的指針識(shí)別方案。以下為系統(tǒng)的核心設(shè)計(jì)與實(shí)現(xiàn)細(xì)節(jié)。

1.2.1 指針識(shí)別

特征提取與指針檢測(cè)是實(shí)現(xiàn)指針式表計(jì)識(shí)別的第一步，也是關(guān)鍵環(huán)節(jié)。采用YOLOv8算法，通過(guò)高效的多尺度特征提取和AnchorFree方法，實(shí)現(xiàn)指針的精準(zhǔn)定位和分類。

（1）特征提取。輸入圖像經(jīng)過(guò)YOLOv8的骨干網(wǎng)絡(luò)，提取多尺度的深層特征，確保能捕捉到指針的微小特征與背景差異。

（2）候選框生成。使用YOLOv8的AnchorFree方法，通過(guò)對(duì)每個(gè)像素點(diǎn)的中心概率進(jìn)行估計(jì)，定位指針的中心區(qū)域。與傳統(tǒng)Anchor機(jī)制相比，AnchorFree方法減少了參數(shù)數(shù)量，并提升了復(fù)雜場(chǎng)景下的檢測(cè)效率。

（3）分類與方向估計(jì)。針對(duì)不同種類的指針（如長(zhǎng)針、短針等），采用多類別分類器對(duì)候選區(qū)域進(jìn)行分類，確保指針類別的準(zhǔn)確識(shí)別。利用指針特征與表盤(pán)中心位置的幾何關(guān)系，進(jìn)一步確定指針?lè)较颉?/p>

（4）誤差修正。針對(duì)復(fù)雜背景或光照條件變化可能導(dǎo)致的檢測(cè)偏差，加入對(duì)比度增強(qiáng)、邊緣銳化等圖像預(yù)處理方法，優(yōu)化指針的特征邊緣。對(duì)檢測(cè)出的指針結(jié)果應(yīng)用基于形態(tài)學(xué)分析的后處理算法，剔除噪聲點(diǎn)，確保識(shí)別結(jié)果的平滑性與穩(wěn)定性。

（5）指針位置輸出。YOLOv8模型輸出指針的邊界框、方向角度及置信度分?jǐn)?shù)，并將數(shù)據(jù)傳遞至后續(xù)的讀數(shù)計(jì)算模塊。

1.2.2 指針讀數(shù)

在實(shí)現(xiàn)指針的精準(zhǔn)定位與分類之后，指針讀數(shù)是將物理表盤(pán)狀態(tài)轉(zhuǎn)化為數(shù)值輸出的關(guān)鍵步驟。為了確保讀數(shù)的準(zhǔn)確性和實(shí)時(shí)性，文章設(shè)計(jì)了一套高效的指針讀數(shù)方法，結(jié)合幾何計(jì)算和深度學(xué)習(xí)模型，完成數(shù)值解析。具體流程如下。

（1）表盤(pán)參數(shù)提取。通過(guò)表盤(pán)識(shí)別模塊輸出的邊界框，確定表盤(pán)的中心點(diǎn)坐標(biāo)、半徑及刻度分布范圍。采用Hough變換對(duì)表盤(pán)邊界進(jìn)行二次優(yōu)化，確保表盤(pán)幾何參數(shù)的精確性。

（2）指針?lè)较蛴?jì)算。根據(jù)指針識(shí)別模塊輸出的邊界框與中心點(diǎn)坐標(biāo)，利用幾何公式計(jì)算指針與水平基準(zhǔn)線的夾角。為減少環(huán)境因素（如光照、反射）對(duì)方向角的干擾，采用加權(quán)平均的多次角度采樣方法，得到指針?lè)较虻姆€(wěn)定值。

（3）刻度值映射。結(jié)合表盤(pán)的幾何參數(shù)和刻度分布，建立角度和數(shù)值映射關(guān)系。

（4）誤差校正。結(jié)合表盤(pán)的歷史讀數(shù)數(shù)據(jù)，采用卡爾曼濾波算法對(duì)當(dāng)前讀數(shù)進(jìn)行校正，消除微小抖動(dòng)或偶然性誤差。

（5）讀數(shù)輸出。將計(jì)算出的表計(jì)讀數(shù)轉(zhuǎn)換為標(biāo)準(zhǔn)化數(shù)值，并傳遞給智能管理系統(tǒng)或預(yù)警模塊。支持實(shí)時(shí)數(shù)據(jù)流的連續(xù)輸出，用于新能源場(chǎng)站的動(dòng)態(tài)監(jiān)控與分析。

2 系統(tǒng)功能

2.1 系統(tǒng)組成

基于新能源場(chǎng)站電氣設(shè)備巡檢需求，文章設(shè)計(jì)了一套完整的指針式表計(jì)識(shí)別與告警系統(tǒng)。如圖1所示，系統(tǒng)主要由5個(gè)層次組成，各層之間通過(guò)數(shù)據(jù)流和信息流聯(lián)動(dòng)，共同實(shí)現(xiàn)設(shè)備運(yùn)行狀態(tài)的實(shí)時(shí)監(jiān)測(cè)與智能告警功能。

（1）數(shù)據(jù)采集層。作為系統(tǒng)的基礎(chǔ)部分，該層通過(guò)攝像頭與傳感器完成現(xiàn)場(chǎng)設(shè)備的實(shí)時(shí)數(shù)據(jù)采集。其主要負(fù)責(zé)獲取表盤(pán)與指針的圖像信息，同時(shí)結(jié)合環(huán)境傳感器獲取溫濕度等輔助數(shù)據(jù)。通過(guò)高分辨率的采集設(shè)備，系統(tǒng)可以精確捕捉到復(fù)雜環(huán)境中的關(guān)鍵數(shù)據(jù)，為后續(xù)分析提供高質(zhì)量的輸入。

（2）數(shù)據(jù)層。作為系統(tǒng)的核心數(shù)據(jù)存儲(chǔ)部分，該層主要負(fù)責(zé)將數(shù)據(jù)采集層上傳的實(shí)時(shí)圖像和設(shè)備運(yùn)行狀態(tài)存儲(chǔ)到數(shù)據(jù)庫(kù)中。這一層級(jí)不僅支持實(shí)時(shí)數(shù)據(jù)的高效存儲(chǔ)與快速調(diào)用，還能夠保存歷史運(yùn)行數(shù)據(jù)，便于后續(xù)的趨勢(shì)分析與模型優(yōu)化，為系統(tǒng)運(yùn)行提供穩(wěn)定的后盾。

（3）告警管理與分析層。該層依托YOLOv8深度學(xué)習(xí)模型，對(duì)采集到的表盤(pán)與指針圖像進(jìn)行實(shí)時(shí)分析。通過(guò)高精度的檢測(cè)算法，系統(tǒng)能夠精準(zhǔn)定位表盤(pán)與指針的特征，快速識(shí)別設(shè)備的運(yùn)行狀態(tài)，并根據(jù)預(yù)設(shè)的告警規(guī)則判斷是否存在異常。當(dāng)檢測(cè)到異常狀態(tài)時(shí)，系統(tǒng)會(huì)立即生成告警信息，為后續(xù)處理提供依據(jù)。

（4）告警信息傳遞層。該層是實(shí)現(xiàn)告警信息分發(fā)的關(guān)鍵環(huán)節(jié)。通過(guò)本地告警和遠(yuǎn)程告警相結(jié)合的方式，系統(tǒng)能夠快速將異常信息傳遞給相關(guān)人員。本地告警主要通過(guò)聲光報(bào)警器和顯示器發(fā)出警報(bào)，便于現(xiàn)場(chǎng)工作人員及時(shí)處理；遠(yuǎn)程告警則通過(guò)郵件、短信及移動(dòng)應(yīng)用將告警信息推送至遠(yuǎn)程管理人員，實(shí)現(xiàn)遠(yuǎn)程監(jiān)控和緊急響應(yīng)的雙保險(xiǎn)機(jī)制。

（5）告警響應(yīng)層。該層負(fù)責(zé)對(duì)接發(fā)電站系統(tǒng)，實(shí)現(xiàn)管理與應(yīng)急處理的閉環(huán)功能。其根據(jù)告警信息調(diào)整發(fā)電站的運(yùn)行參數(shù)，并將實(shí)時(shí)狀態(tài)更新到綜合管理平臺(tái)中。同時(shí)，系統(tǒng)還能夠生成詳細(xì)的告警日志，供管理人員進(jìn)行分析和優(yōu)化。通過(guò)這一層級(jí)的執(zhí)行，系統(tǒng)將異常信息的處理落地，確保新能源場(chǎng)站的設(shè)備運(yùn)行安全和巡檢效率的提升。

整體而言，該系統(tǒng)通過(guò)多層級(jí)協(xié)作，完成了從數(shù)據(jù)采集、異常檢測(cè)到告警處理的全流程管理，為新能源場(chǎng)站的智能化運(yùn)維提供了可靠的技術(shù)支撐。

2.2 布署實(shí)施

系統(tǒng)的布署實(shí)施圍繞新能源場(chǎng)站的實(shí)際應(yīng)用場(chǎng)景展開(kāi)，旨在充分利用現(xiàn)有場(chǎng)地條件與設(shè)備布局，實(shí)現(xiàn)指針式表計(jì)智能識(shí)別系統(tǒng)的高效運(yùn)行。整個(gè)實(shí)施過(guò)程涵蓋了硬件設(shè)備布署、軟件系統(tǒng)安裝、網(wǎng)絡(luò)連接配置及整體性能優(yōu)化等多個(gè)環(huán)節(jié)。

在硬件設(shè)備布署方面，攝像設(shè)備采用的是益可達(dá)YKD-XB-2024軌道攝像頭，該型號(hào)設(shè)備具有高分辨率成像能力和良好的低光照適應(yīng)性，非常適合新能源場(chǎng)站復(fù)雜的光照環(huán)境。根據(jù)場(chǎng)站內(nèi)指針式表計(jì)的分布情況，按照一定的覆蓋范圍在表計(jì)附近合理安裝攝像頭，確保每臺(tái)表計(jì)的圖像能夠被清晰采集。同時(shí)，攝像頭通過(guò)傳感器與控制中心連接，實(shí)現(xiàn)數(shù)據(jù)采集的實(shí)時(shí)性和高效性。此外，現(xiàn)場(chǎng)還布署了傳感器模塊，用于輔助監(jiān)測(cè)溫濕度等環(huán)境參數(shù)，為模型優(yōu)化與異常分析提供額外信息支持。

在軟件系統(tǒng)的安裝上，首先在場(chǎng)站的主控服務(wù)器上安裝深度學(xué)習(xí)模型支持的運(yùn)行環(huán)境，包括YOLOv8目標(biāo)檢測(cè)算法所需的深度學(xué)習(xí)框架。然后，將數(shù)據(jù)采集模塊、模型分析模塊及告警管理模塊整合至一個(gè)統(tǒng)一的智能管理平臺(tái)中，以便實(shí)現(xiàn)系統(tǒng)各部分的高效協(xié)作。結(jié)合布署的數(shù)據(jù)庫(kù)系統(tǒng)，平臺(tái)可以實(shí)時(shí)存儲(chǔ)和調(diào)用各類數(shù)據(jù)，為系統(tǒng)的日常運(yùn)行提供穩(wěn)定支撐。

網(wǎng)絡(luò)連接配置是布署實(shí)施的重要環(huán)節(jié)。通過(guò)有線網(wǎng)絡(luò)或無(wú)線網(wǎng)絡(luò)連接，攝像設(shè)備和傳感器采集的數(shù)據(jù)可以快速傳輸?shù)街骺胤?wù)器進(jìn)行分析。為了確保數(shù)據(jù)的安全性和傳輸穩(wěn)定性，布署過(guò)程中對(duì)網(wǎng)絡(luò)進(jìn)行了多層加密和容錯(cuò)優(yōu)化，確保在不同網(wǎng)絡(luò)條件下系統(tǒng)均能夠高效運(yùn)行。此外，為滿足遠(yuǎn)程監(jiān)控需求，系統(tǒng)與場(chǎng)站的遠(yuǎn)程管理平臺(tái)實(shí)現(xiàn)了無(wú)縫對(duì)接，使管理人員能夠隨時(shí)通過(guò)郵件、短信或移動(dòng)應(yīng)用接收告警信息。

系統(tǒng)整體性能優(yōu)化則貫穿整個(gè)布署過(guò)程。在硬件層面，通過(guò)攝像頭的角度調(diào)整與傳感器的靈敏度調(diào)節(jié)，確保采集數(shù)據(jù)的清晰度與準(zhǔn)確性；在軟件層面，通過(guò)模型的初步訓(xùn)練和多次調(diào)試，優(yōu)化了YOLOv8算法在復(fù)雜環(huán)境中的識(shí)別效果；在告警機(jī)制上，通過(guò)與實(shí)際場(chǎng)景相結(jié)合的反復(fù)測(cè)試，進(jìn)一步降低了誤報(bào)率和漏報(bào)率。布署完成后，系統(tǒng)可以實(shí)現(xiàn)對(duì)新能源場(chǎng)站內(nèi)指針式表計(jì)的實(shí)時(shí)監(jiān)控和智能化巡檢。

3 應(yīng)用分析

為全面評(píng)估系統(tǒng)在識(shí)別準(zhǔn)確性、巡檢效率、異常告警可靠性及運(yùn)行經(jīng)濟(jì)性等方面的表現(xiàn)，并深入探討其對(duì)新能源場(chǎng)站智能化管理的實(shí)際價(jià)值，文章進(jìn)行了一系列試驗(yàn)。試驗(yàn)結(jié)果見(jiàn)表1。

試驗(yàn)結(jié)果表明，與傳統(tǒng)視覺(jué)算法（如基于Open CV的圖像處理方法）相比，基于YOLOv8的指針式表計(jì)智能識(shí)別系統(tǒng)在識(shí)別準(zhǔn)確性、實(shí)時(shí)性及環(huán)境適應(yīng)性方面均展現(xiàn)出顯著優(yōu)勢(shì)。傳統(tǒng)算法通常采用邊緣檢測(cè)、形狀匹配、閾值分割等手工設(shè)計(jì)的特征提取方法，在光照變化、復(fù)雜背景及部分遮擋場(chǎng)景中容易受到干擾，導(dǎo)致識(shí)別精度不足，魯棒性較差。例如，傳統(tǒng)方法難以在低光照條件下有效分割表盤(pán)區(qū)域，或在背景復(fù)雜時(shí)準(zhǔn)確定位指針。而YOLOv8通過(guò)深度學(xué)習(xí)的多尺度特征提取和AnchorFree方法，克服了傳統(tǒng)算法對(duì)場(chǎng)景變化的敏感性問(wèn)題。此外，系統(tǒng)平均檢測(cè)時(shí)間僅為0.05～0.09 s/表盤(pán)，遠(yuǎn)快于傳統(tǒng)算法，且通過(guò)誤差修正機(jī)制將識(shí)別誤差控制在3.0%～5.0%，進(jìn)一步增強(qiáng)了系統(tǒng)的魯棒性和可靠性?？傮w而言，該系統(tǒng)以其高效、精準(zhǔn)、環(huán)境適應(yīng)性強(qiáng)的特點(diǎn)，為新能源場(chǎng)站的電氣設(shè)備巡檢提供了比傳統(tǒng)視覺(jué)算法更為先進(jìn)和可靠的技術(shù)支持。

4 結(jié)束語(yǔ)

文章提出了一種基于YOLOv8深度學(xué)習(xí)模型的新能源場(chǎng)站電氣設(shè)備指針式表計(jì)智能識(shí)別方法，解決了傳統(tǒng)算法在復(fù)雜背景、光照變化及部分遮擋場(chǎng)景下識(shí)別性能不足的問(wèn)題。通過(guò)優(yōu)化YOLOv8模型的結(jié)構(gòu)和訓(xùn)練策略，系統(tǒng)實(shí)現(xiàn)了表盤(pán)和指針的高精度檢測(cè)與識(shí)別，表盤(pán)識(shí)別率達(dá)到97%，指針檢測(cè)準(zhǔn)確率達(dá)到95%，顯著優(yōu)于傳統(tǒng)的基于OpenCV的視覺(jué)算法。在實(shí)際應(yīng)用中，系統(tǒng)表現(xiàn)出優(yōu)異的實(shí)時(shí)性，平均檢測(cè)時(shí)間為0.05～0.09 s/表盤(pán)，能夠適應(yīng)復(fù)雜環(huán)境下的新能源場(chǎng)站巡檢需求。此外，通過(guò)引入誤差校正機(jī)制和多層級(jí)協(xié)作的智能管理系統(tǒng)，進(jìn)一步提升了讀數(shù)的穩(wěn)定性和巡檢效率。整體而言，該系統(tǒng)具有高效、精準(zhǔn)、魯棒性強(qiáng)的優(yōu)勢(shì)，為新能源場(chǎng)站的智能化管理提供了可靠的技術(shù)支持，對(duì)推動(dòng)新能源場(chǎng)站巡檢的自動(dòng)化和智能化發(fā)展具有重要意義。

參考文獻(xiàn)

[1] 陳積光，董知周.變電站關(guān)鍵圖像識(shí)別技術(shù)研究[J].自動(dòng)化與儀表，2020，35（4）：48-52，57.

[2] 錢玉寶，王紫涵，邱騰煌.指針式儀表讀數(shù)識(shí)別的研究現(xiàn)狀與發(fā)展[J].電子測(cè)量技術(shù)，2024，47（8）：110-119.

[3] 金愛(ài)萍，袁亮，周德勤，等.基于YOLOv5和U-net的指針式儀表讀數(shù)識(shí)別方法[J].儀表技術(shù)與傳感器，2022（11）：29-33.

[4] 張森，萬(wàn)吉林，王慧芳，等.基于注意力機(jī)制的卷積神經(jīng)網(wǎng)絡(luò)指針式儀表圖像讀數(shù)識(shí)別方法[J].電力自動(dòng)化設(shè)備，2022，42（4）：218-224.

[5] 李娜，王軍，董興法，等.基于改進(jìn)Hough變換的指針式儀表識(shí)別方法[J].液晶與顯示，2021，36（8）：1196-1203.

[6] 李慧慧，閆坤，張李軒，等.基于MobileNetV2的圓形指針式儀表識(shí)別系統(tǒng)[J].計(jì)算機(jī)應(yīng)用，2021，41（4）：1214-1220.

[7] 王健，楊梁，張文利，等.工業(yè)用指針式儀表智能識(shí)別系統(tǒng)的設(shè)計(jì)與開(kāi)發(fā)[J].儀器儀表與分析監(jiān)測(cè)，2023（2）：17-20.

[8] 劉培焱，葉爾扎提？努爾德別克，孫敏，等.基于智能機(jī)器人的變電站儀表識(shí)別系統(tǒng)[J].自動(dòng)化與儀表，2022，37（12）：28-33.